مداربسته

هوش مصنوعي در دوربين مداربسته

لزوم مديريت داده هاي تصويري در سيستم هاي مداربسته از جمله مسائل مهم در صنعت حفاظتي و نظارت تصويري است. به همين منظور اين صنايع همواره در تلاش براي گسترش دستگاه ها يا سيستم ذخيره سازي از طريق توسعه نرم افزارها، توليد محصولات ابداعي و جديد و ...هستند.
در سالهاي اخير تكنولوژي آنچنان به سرعت گسترش يافته به طوري كه پيشرفت هايي كه در 40 سال اخير صورت گرفته قابل مقايسه با چند صده گذشته نيست. يكي از مسائل پيشرو در فناوري هاي جديد استفاده از هوش مصنوعي در محصولات الكترونيكي است كه دوربين هاي مداربسته نيز از اين قاعده مستثني نيستند. در اين مقاله قصد داريم درباره كاربرد هوش مصنوعي در محصولات بپردازيم.

نارسايي هاي موجود در الگوريتم هاي هوشمند قديمي

مسئله اي كه در اينجا مطرح است برآورد تقاضاي مشتري است كه روز بروز ابعاد گسترده تري پيدا مي كند. در گذشته در سيستم هاي مداربسته قابليت هايي به شكل امروزي وجود نداشت اما رفته رفته با آمدن فناوري هاي جديدتر اين مسئله نيز برطرف شده به طوري كه هم اكنون شاهد طيف وسيعي از قابليت هاي پردازش تصويري اعم از جستجوي سوژه در تصاوير، تعقيب و رديابي هوشمند و ... هستيم.
اما موضوعي كه در حال حاضر مطرح است بسيار فراتر از قابليت هاي تصويري مذكور است. و با اينكه سيستم هاي نظارت تصويري هوشمند سال هاست كه در دسترس بوده و مورد استفاده قرار مي گيرند، اما، هنوز نتايج حاصل از آنها در حد ايده آل نيست.
يكي از شركت هاي پيشرو در زمينه ادغام هوش مصنووعي با سيستم هاي مداربسته، شركت هايك ويژن است كه نام فناوري ابداعي خود را Deep learning گذاشته است. در اين فناوري سعي شده است با بكارگيري هوش مصنوعي در محصولات بسياري از نارسايي هاي سيستم هاي هوشمند قديمي در تجزيه و تحليل داده ها برطرف گردد.

از دلايل عمده افزايش محبوبيت Deep Learning در سال هاي اخير مي توان به موارد زير اشاره نمود:

• توانايي پردازش داده ها در مقياس زياد
• قدرت محاسباتي فوق العاده
• ساختار شبكه اي

فرآيند تشخيص چهره در دوربين مداربسته يكي از قابليت هاي مهم و كارآمد است كه داراي الگوريتم هاي مختلف و پيچيده اي است. اين فرآيند داراي دو مرحله كليدي است:

• ارزيابي سوژه و بدست آوردن اطلاعات لازم از آن
• دسته بندي اطلاعات به دست آمده

ارزيابي سوژه و بدست آوردن اطلاعات لازم از آن

درجه دقت در اين مرحله فاكتور بسيار مهمي است كه مستقيما بر روي دقت الگوريتم تاثير مي گذارد. بيشتر كارهاي پردازشي و محاسباتي مربوط به اين بخش است. در دوربين هاي هوشمند قديمي طراحي الگوريتم ها توسط متخصصين نرم افزار انجام مي شد كه اساسا بر اساس شاخصه هاي ذهني بود. به همين دليل تعريف بسياري از ويژگي هاي انتزاعي به طرزي كه براي انسان قابل درك باشد بسيار سخت بود و ناچارا از بين مي رفت. در اين دسته از دوربين ها با قابليت تشخيص چهره بسياري از فاكتورهاي محيطي اعم از مكان نصب دوربين، زاويه ديد، ميزان نور در محيط بر روي كارايي اين قابليت تاثير گذار هستند كه اين يك نكته منفي در آن محسوب مي گردد. در الگوريتم هايي كه بر اساس هوش مصنوعي طراحي شده اند اما سعي شده تا به نكات ظريف و جزئي دقت شود.

دسته بندي اطلاعات به دست آمده

سوژه هاي مختلف اعم از وسايل نقليه، اشيا مختلف، افراد، حيوانات و ... داراي ويژگي هاي ظاهري مختلفي هستند و تشخيص هر كدام بر اساس الگوريتم هاي تعريف شده متفاوتي است. از آنجايي كه ويژگي هاي ظاهري يك وسيله نقليه پيچيدگي خاصي نداشته و نهايتا شامل شاخصه هايي نظير نوع آرم، ابعاد، رنگ و ...است، دوربين هاي هوشمند قديمي در تشخيص اشيا و وسايل نقليه بسيار موفق عمل مي كردند.
اما در مورد كاراكترهاي ظاهري انسان به دليل آنكه اغلب به دليل تنوع بالا و پيچيدگي زياد دچار خطا مي شدند. و بازده خوبي ندارند به همين دليل افزايش درك عمقي بواسطه طراحي الگوريتم هاي پيچيده تر در هوش مصنوعي به شدت لازمه كاركرد بهتر قابليت تشخيص چهره در دوربين هاي مداربسته است.

آشنايي با مزاياي DEEP Learning و مقايسه الگوريتم هاي آن

تكنولوژي هوش مصنوعي در هايك ويژن كه آن را با نام Deep learning مي شناسيم بر اساس پارامتر ها و الگوريتم هايي براي تشخيص المان هاي ظاهري پيچيده طراحي شده است. اين بدين معني است كه طراحي ها ديگر توسط افراد انجام نشده و مي توان آن را بر عهده ماشين ها گذاشت.
نكته جالب توجه اينكه طراحي اين تكنولوژي بر اساس عملكرد سيستم عصبي مغز انسان انجام شده و همانطور كه مغز توانايي يادگيري موضوعات و دسته بندي آنها را در لايه و سطوح مختلف خود دارد Deep learning نيز مي تواند كاراكترهاي متنوع را درك و دسته بندي كرده و اقدام لازم را در مورد آنها انجام دهد. كارايي اين سيستم در جايي بارز و مشخص مي گردد كه مي تواند اطلاعات اضافي و كم اهميت را نيز تشخيص داده و در صورت لزوم حذف كند(object abstraction) و يا اينكه اطلاعات جديدي خلق يا بازيابي(recreation) نمايد. در زير به برخي از راهكارهاي مفيد ارائه شده در Deep learning مي پردازيم:

تبديل الگوريتم هاي سطحي به عميق

مدل هاي الگوريتمي در Deep learning برخلاف انواع قديمي تر كه داراي ساختاري دو يا سه لايه بودند داراي صد ها لايه متعدد است. به همين سبب اين سيستم ها قادرند تا حجم وسيعي از اطلاعات را پردازش و دسته بندي كنند. همانطور كه گفتيم مدل Deep learning منشا گرفته از سيستم يادگيري در مغز انسان است و از فرآيند انتزاعي لايه لايه تبعيت مي كند.
هر لايه داراي شاخص و حجم پردازشي متفاوتي است و هر چه شاخص بالاتري داشته باشد مولفه هاي تعريف شده براي آن اختصاصي تر خواهند بود. مثال فرآيند يادگيري در اين غالب بدين گونه است كه يك پيام خارجي به محض دريافت از لايه هاي مختلف عبور كرده و پس از پردازش به صورت يك مفهوم و درك عميق از سوژه مورد نظر براي انسان به صورت قابل دركي نمايش داده خواهد شد.

حركت از الگوريتم هاي مشخص مصنوعي تا شناخت ويژگي ها

در مدل هوش مصنوعي Deep learning هيچگونه دخالت دستي انسان وجود ندارد و تمامي عملكردها به صورت كامپيوتري انجام مي شود. اين مدل قابليت اين را دارد كه حجم بسيار زيادي از اطلاعات را مورد پردازش قرار دهد. طبقه بندي اطلاعات در آن به اين صورت است كه هرچه سوژه مورد نظر داراي جزئيات بيشتري باشد به صورت خيلي دقيق تري براي دستگاه قابل تشخيص خواهد بود. در زير به بخشي از مزاياي اين مدل اشاره شده است:

• دقت تشخيص بالا در تشخيص سوژه كه مي تواند با قدرت مغز انسان برابري كرده و حتي در مواردي عملكرد بهتري نيز داشته باشد.
• قابليت تشخيص دقيق سوژه هاي مختلف از يكديگر
• قابليت تشخيص و دسته بندي هزاران ويژگي از سوژه هاي مختلف

كاربردهاي محصولات مبتني بر Deep Learning

به دليل رشد و پيشرفت تكنولوژي هاي صوتي تصويري اهميت ابداع مدل هايي مانند Deep Learning بسيار افزايش مي يابد. با استفاده از اين الگو در قابليت هاي هوشمند مانند تشخيص چهره، تشخيص نفوذ، رديابي و تعقيب سوژه و ... مي توان به طور كامل انتظارات و نياز هاي كاربران را برآورده ساخت. در زير به بسياري از كاربردهاي اين مدل در سيستم هاي نظارت تصويري اشاره شده است:

• تشخيص چهره
• شناسايي چهره
• تشخيص وسيله نقليه مختلف اعم از موتوردار يا بدون موتور (دوچرخه و …)
• تشخيص آرم تجاري وسيله نقليه
• تشخيص عابر پياده
• تشخيص ويژگي هاي بدن انسان
• تشخيص ويژگي هاي غير طبيعي صورت
• تجزيه و تحليل رفتاري جمعيت، رديابي چند هدف
• و …

1. نصب دوربين مداربسته
2. هايك ويژن
3. دوربين مداربسته هايك ويژن
4. دوربين مدار بسته هايك ويژن

دوربين مداربسته ديد در شب

عشق دوربين!

“كارور” نويسنده آمريكايي، مجموعه داستاني دارد با عنوان «وقتي از عشق حرف مي‌زنيم از چه حرف مي‌زنيم؟!» البته در اينجا ما را با داستان و نويسنده و عشق كاري نيست، اما بايد قبول كرد بسياري از مشتريان ايراني «عشق» بهترين‌ها را دارند، بي آن كه سطح نياز خود را سنجيده باشند. بسياري از ما پيش از آن كه نياز امنيتي فضاي تحت نظارت خود را ارزيابي كرده و مشخصات فني دوربين مداربسته متناسب را برآورد كرده باشيم، به دنبال گران‌ترين يا بهترين دوربين مداربسته بازار مي‌گرديم. در حالي‌كه لزوماً گران قيمت‌بودن محصول نشان‌دهنده كارايي آن در هر محيطي نبوده و قيمت پايين‌تر كاهش كيفيت را مشخص نمي‌كند؛ در اين باره حرف خواهيم زد!

فيلتر مادون قرمز يا فيلترينگ مادون قرمز

يكي از اشتباهات رايجي كه در نوشتن و همين‌طور مرور محتواهاي بي‌شمار مربوط به قابليت ديد در شب و تصويربرداري در تاريكي دوربين‌ها رخ مي‌دهد، استفاده از عبارت «فيلتر مادون قرمز» است؛ اين عبارت به سبب معنايي دوپهلوي خود غلط‌انداز است. فيلتر مادون قرمز مي‌تواند معادل IR-Pass يا IR-Cut باشد؛ دو كاربرد متضاد! فيلتر مادون قرمز (حالت اول) به فيلتري اشاره دارد كه پرتوهاي مادون قرمز را به خود جذب مي‌كند، در صورتي كه IR-Cut فيلتري است كه جلوي ورود اشعه مادون قرمز را به داخل دوربين در طول روز گرفته و كيفيت تصوير روز (روشنايي) را تضمين مي‌كند.

يك  دوربين مداربسته  مادون قرمز زبل!

ديد در شب دوربين مداربسته از دوربين مداربسته IP گرفته تا دوربين مداربسته AHD يا حتي دوربين‌ مداربسته آنالوگ اغلب با استفاده از از تعدادي ال‌اي‌دي مادون قرمز ممكن شده است. مشكل اين روش اشباع تصاوير يا همان Overexpose شدن تصوير است؛ با توجه به اينكه نور مادون قرمز ارسالي به همه‌چيز به‌طور يكسان تابانده مي‌شود، اجسام نزديك به دوربين دچار اشباع نوري شده و كيفيت تصوير آنها افت مي‌كند و به‌صورت نقاط سفيد ديده مي‌شوند. براي حل اين مشكل، سامانه مادون قرمز هوشمند Smart IR بر روي دوربين‌هاي مداربسته نصب گرديده كه نور انداخته شده بر موضوعات تصويربرداري را متناسب با فاصله تنظيم مي‌كند.

حذف نور مادون قرمز؛ دنياي مجازي/ دنياي واقعي

استفاده از حذف‌كننده نور مادون قرمز، براي تمام دوربين‌هاي مداربسته داراي قابليت ديد در شب لازم است. به اين معنا كه هر چيزي در طول روز از خود علاوه بر بازتاب نور مرئي، پرتوي مادون قرمز ساطع مي‌كند. اين دو نوع پرتو دريافتي در شكل‌گيري تصوير اختلال ايجاد كرده، وضوح تصوير را متاثر مي‌سازند؛ دوربين به دو صورت مكانيكي يا الكترونيكي يا سخت‌افزاري و نرم‌افزاري نور مادون قرمز را حذف مي‌كنند.
بديهي است كه حذف نور به صورت واقعي از حذف نرم‌افزاري اثر پرتو مادون قرمز بر از تصوير، كيفيت و قيمت بالاتري خواهد داشت.

از چه حرف مي‌زنيم؟!

براي نظارت بر يك انبار كوچك با ابعادي در حدود 5 متر در 3 متر كافي است از براي مثال مي‌توان از يك دوربين مداربسته ويوتك بولت استفاده كنيم كه قابليت ديد در شبي با برد موثر حدود 6 متر داشته باشد؛ مي‌توان به‌جاي هزينه‌كرد براي دوربيني با برد بيشتر و تصوير بهتر، آن را به امكاناتي چون تشخيص حركت مسلح كرد؛ يا اگر فضايي خالي مانند آسانسور نياز به مونيتورينگ دارد، سيستم مادون قرمز هوشمند از الزامات نيست. و در جايي مثل ورودي فرودگاه كه 365 روز سال به‌طور شبانه روزي روشن است، نيازي به استفاده از دوربيني با قابليت ديد در شب نخواهد بود و شايد يك دوربين مداربسته سامسونگ دام بدون IR افاقه كند! در نهايت آنچه كه ما از آن حرف مي‌زنيم، «تناسب» است؛ تناسب نياز و خريد دوربين مداربسته!

تي وي تي 

ديد در شب دوربين مداربسته چيست و چگونه عمل مي كند؟

دوربين مداربسته آنگونه كه از اسمش پيداست براي پوشش دهي 24 ساعته از يك مكان مي باشد و در تمام ساعات شبانه روز بدون وقفه بايد عمل كند.هنگام روز دوربين مدار بسته به خوبي عمل كرده و وظيفه پوشش دهي و نظارت مكان را با وضوح زياد انجام مي دهد. اما سازنده هاي دوربين مداربسته براي رفع مشكل دريافت تصوير در شب هنگام و در نور كم چه فكري كرده اند؟ با هم به بررسي تكنولوژي هاي دوربين مداربسته ديد در شب ميپردازيم.

ديد در شب بهتر با گشودگي بيشتر ديافراگم

در بسياري از دوربين هاي مدار بسته براي اينكه در شب از ديد بهتري برخوردار شوند از ديافراگمي با كشودگي بيشتر استفاده مي شود تا سنسور بتواند در شب نور بيشتري از محيط دريافت نمايد. اين همان تكنولوژي است كه اكنون در بسياري از گوشي هاي موبايل ديده مي شود. ديافراگم قطعه اي است كه بعد از لنز و قبل از سنسور قرار مي گيرد و ميزان دريافت نور از لنز به سنسور را تعيين مي كند.

دوربين مداربسته ديد در شب به واسطه باز شدن و نور گيري ديافراگم

هر چقدرعدد درجه بندي ديافراگم نزديك به يك باشد از گشودگي ديافراگم بيشتري بهره مي بريم و مقدار نور بيشتري در شب برخودار خواهيم شد. اما خب اين تكنولوژي نيز بي نقص نيست و گشودگي زياد ديافراگم در دوربين مداربسته ديد در شب، اين معضل را دارد كه عمق ميدان به شكل محسوسي كاهش يابد و مقدار نقاط فوكوس در يك تصوير كم شود. خوشبختانه به دليل اتوماتيك بودن ديافراگم، اين قطعه در طول روز نور كمتري را از خود عبور داده و عمق ميدان گسترده اي را پوشش مي دهد.

هايك ويژن

نقاط قوت استفاده از ديافراگم

• ديد درشب دوربين مداربسته بدون استفاده از سخت افزار ارسال نور
• نا محسوس بودن مكان دوربين و سمت لنز آن در شب
• ديد در شب رنگي و تصوير مناسب

نقاط ضعف استفاده از ديافراگم باز

• عمق ميدان كم و فوكوس محدود دوربين مداربسته
• عدم توانايي دريافت تصوير در تاريكي مطلق
• كم شدن سرعت شاتر و تاخير داشتن تصوير

استفاده از امواج مادون قرمز براي ديد درشب دوربين مداربسته

امواج مادون قرمز يا Infrared كه در اصطلاح IR نام دارد، نوعي از امواج نوري است كه با چشم غير مسلح انسان قابل ديد نمي باشد. اما سنسور دوربين مدار بسته بگونه اي طراحي شده كه مي توانند اين نور را در محيط دريافت نمايند و اجسام را به واسطه اين نور شناسايي كنند. تكنولوژي دوربين مدار بسته به واسطه Led مادون قرمز بسيار ارزان است ودوربين مداربسته ديد در شب  قادر است در محدوده ي پوشش دهي مادون قرمز تصاوير بسيار مناسبي را دريافت نمايد.

اما بازهم تكنولوژي امواج مادون قرمز معايبي نيز دارد و آن هم برد پايين امواج مادون قرمز به نسبت نورطبيعي است، كه مي بايست براي پوشش دهي بيشتر از پروژكتورهاي بزرگتر يا از دوربين مداربسته ديد در شب با Led هاي مادون قرمز بيشتر استفاده گردد. همچنين امواج IR قابليت گذر از شيشه را ندارد و اگر درب شيشه اي يا ديوار شيشه اي در مسير باشد، ديد درشب در آن سوي شيشه وجود نخواهد داشت. اما اين پايان معايب اين تكنولوژي نيست و دوربين مدار بسته ديد در شب با تكنولوژي IR در تاريكي تصاوير سياه و سفيد تهيه مي كند. علت آن هم عدم تشخيص رنگ با امواج مادون قرمز مي باشد.

بيشتر بخوانيد:   نصب دوربين مداربسته        

محاسن تكنولوژي مادون قرمز

• قيمت پايين با عملكرد مناسب دوربين در شب
• ديد در شب مناسب و تصوير با كيفيت
• داشتن تصوير در تاريكي مطلق

معايب تكنولوژي مادون قرمز

• ديد در شب سياه و سفيد
• پوشش دهي كمتر نور مادون قرمز در مقايسه با تور مرعي
• عدم عبور امواج از شيشه
• تخصصي بودن تنظيم دوربين مداربسته براي ديد در شب

تكنولوژي استارلايت براي ديد در شب رنگي

در مقاله اي اختصاصي در مورد دوربين مداربسته استارلايت توضيح داده ايم. اما اگر بخواهيم به صورت مختصر در مورد تكنولوژي استارلايت بگوييم، استفاده از گشودگي ديافراگم و تكنولوژي IR در يك محصول است.

بگذاريد به صورت ساده توضيح دهيم كه دوربين هاي مداربسته ديد در شب با تكنولوژي استارلايت به يك سنسور قوي و با حساسيت بالا و همچنين گشودگي ديافراگم بالا عرضه شده كه با كمترين ميزان نور تصوير رنگي را تهيه نمايد، اما اگر در محيط نور آنقدر كم شود كه ديگر از روش اول تصويري مطلوب دريافت نشود، دوربين از امواج مادون قرمز براي روشن كردن محيط استفاده مي كند و تصاوير سياه و سفيد خواهد شد.

تكنولوژي دوربين مداربسته ديد در شب رنگي شارپ

شركت شارپ با استفاده از دو تكنولوژي امواج مادون قرمز و ماوراء بنفش توانست از دوربين مداربسته رنگي در تاريكي مطلق پرده برداري كند. هر چند اين دوربين هاي مداربسته هنوز با فراگير شدن فاصله زيادي دارد اما روش استفاده از اين تكنولوژي ها جالب مي باشد. دوربين مداربسته اين شركت ابتدا موقعيت اشياء را در اطراف دوربين شناسايي كرده و به وسيله امواج ماوراء بنفش طيف تغيير نوري را شناسايي و به وسيله يك پردازنده انحصاري، رنگي نزديك به رنگ اصلي را باسازي كرده و به اين ترتيب تصويري رنگي خروجي مي دهد. اما از معايب بزرگ اين تكنولوژي قيمت بسيار بالا و گستره پوشش دهي كم آن است تا مانع فراگير شدن اين تكنولوژي در جهان باشد.

محاسن تكنولوژي رنگي شارپ

• ديد در شب رنگي با رنگ بندي مناسب
• استفاده هم زمان از دو طيف نوري مادون قرمز و ماوراء بنفش

معايب تكنولوژي ديد در شب شارپ

• قيمت بسيار بالاي دوربين مداربسته ديد در شب رنگي
• پوشش دهي كم ديد در شب و رنگهاي ساختگي